[发明专利]图像分割方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种图像分割方法、装置、电子设备及存储介质，所述方法包括：获取待处理视频中每一帧的光流信息；将所述光流信息添加到对应的帧图像中进行融合，得到待分割图像，所述待分割图像包括光流通道以及颜色通道；对所述待分割图像进行动态背景建模，并提取动态背景建模过程中的前景图像作为目标分割图像进行输出。通过对待处理视频中待分割图像进行动态背景建模，使得到待分割图像中的背景图像与前景图像分离，从而得到目标分割图像，不依赖于标注数据；另外，由于待分割图像中添加了光流信息，使得到分离出的前景图像更准确。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种图像分割方法、装置、电子设备及存储介质。

背景技术

人工智能在安防领域中广泛应用，通过在各个需求场景中部署摄像头对该需求场景进行视频监控，比如对交通场景的智能监控，用来监测道路中行驶车辆的行驶信息，比如对商超场景的智能监控，用来监测商超中行人的运动信息。在监测的过程中，需要对监测的目标进行目标图像分割，以提取出对应的目标图像，现有的目标分割主要是基于CNN(中文名称：卷积神经网络，英文名称：Convolutional Neural Network，简称CNN)，但是由于CNN需要大量的标注数据，标注数据包含样本数据以及对样本的标注，样本数据难以收集，标注过程工作量大。因此，现有图像分割技术依赖高度标注数据，存在目标分割受标注数据影响较大的问题。

发明内容

本发明实施例提供一种图像分割方法，能够不依赖标注数据进行图像分割。

第一方面，本发明实施例提供一种图像分割方法，包括：

获取待处理视频中每一帧的光流信息；

将所述光流信息添加到对应的帧图像中进行融合，得到待分割图像，所述待分割图像包括光流通道以及颜色通道；

对所述待分割图像进行动态背景建模，并提取动态背景建模过程中的前景图像作为目标分割图像进行输出。

可选的，所述对所述待分割图像进行动态背景建模，包括：

获取所述待处理视频中的连续帧图像，其中，所述连续帧图像中每个像素点对应K个正态分布，K大于1，所述正态分布包括均值参数、方差参数以及权重参数；

根据当前待分割图像的的光流通道以及颜色通道，提取每个像素点对应的融合向量，所述融合向量融合有对应像素点的颜色维度以及光流维度；

将所述融合向量与对应的K个正态分布进行匹配，判断所述每个像素点是否匹配到满足预设条件的正态分布；

若存在融合向量匹配到满足预设条件的M个正态分布的像素点，则将所述M个正态分布进行第一参数更新，并保持其余K-M个正态分布的参数不变，其中，M大于等于1，且M小于等于K；

若存在融合向量匹配不到满足预设条件的正态分布的像素点，则在所述像素点对应的K个正态分布中选取均值距离最大的正态分布进行权重赋值，基于所述权重赋值对所述K个正态分布进行第二参数更新，所述均值距离为像素点的融合向量与正态分布中均值参数的距离值；

基于所述正态分布的方差参数和/或权重参数，选取N个正态分布，并根据所述N个正态分布判断对应像素点是否属于背景像素点，其中，N大于等于1，且N小于等于K；

基于所述背景像素点，构建所述当前待分割图像的帧背景。

可选的，所述提取动态背景建模过程中的前景图像，包括：

将当前待分割图像的每个像素点的融合向量与对应的N个正态分布进行匹配，判断所述每个像素点是否匹配到满足预设条件的正态分布；

若存在像素点匹配不到满足预设条件的正态分布，则判断所述匹配不到满足预设条件的正态分布的像素点为前景像素点；